Menu
通过使用并行的仓库感知审查传递将技能、命令、规则、钩子和额外内容分类到 DAILY 与 LIBRARY 存储桶中，为特定仓库构建有证据支持的 ECC 安装计划。当 ECC 应修剪到项目实际需要的内容而不是加载完整包时使用。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | agent-sort |
| description | 通过使用并行的仓库感知审查传递将技能、命令、规则、钩子和额外内容分类到 DAILY 与 LIBRARY 存储桶中，为特定仓库构建有证据支持的 ECC 安装计划。当 ECC 应修剪到项目实际需要的内容而不是加载完整包时使用。 |
当仓库需要项目特定的 ECC 表面而不是默认的完整安装时，请使用此技能。
目标不是猜测什么"感觉有用"。目标是使用实际代码库的证据对 ECC 组件进行分类。
按顺序生成这些工件：
skill-library 路由器（如果项目需要）仅使用两个存储桶：
DAILY
LIBRARY
在进行任何分类之前使用仓库本地证据：
有用的命令包括：
rg --files
rg -n "typescript|react|next|supabase|django|spring|flutter|swift"
cat package.json
cat pyproject.toml
cat Cargo.toml
cat pubspec.yaml
cat go.mod
如果有并行子代理可用，将审查拆分为这些传递：
agents/*skills/*commands/*rules/*如果子代理不可用，则按顺序运行相同的传递。
在对任何内容进行分类之前建立真正的堆栈：
对于每个候选表面，记录：
使用此格式：
skills/frontend-patterns | skill | DAILY | 84 个 .tsx 文件，存在 next.config.ts | 核心前端堆栈
skills/django-patterns | skill | LIBRARY | 无 .py 文件，无 pyproject.toml | 在此仓库中不活动
rules/typescript/* | rules | DAILY | package.json + tsconfig.json | 活动 TS 仓库
rules/python/* | rules | LIBRARY | 零个 Python 源文件 | 仅保持可访问
在以下情况下提升为 DAILY：
在以下情况下降级为 LIBRARY：
将分类转化为操作：
.claude/skills/ 中安装或保留skill-library 保持可访问如果仓库已经使用选择性安装，请更新该计划而不是创建另一个系统。
如果项目想要可搜索的库表面，请创建：
.claude/skills/skill-library/SKILL.md该路由器应包含：
不要在路由器中重复每个技能正文。
应用计划后，验证：
返回包含以下内容的紧凑报告：
如果下一步是交互式安装或修复，请移交给：
configure-ecc如果下一步是重叠清理或目录审查，请移交给：
skill-stocktake如果下一步是更广泛的上下文修剪，请移交给：
strategic-compact按此顺序返回结果：
STACK
- 语言/框架/运行时摘要
DAILY
- 始终加载的项目及其证据
LIBRARY
- 可搜索/参考项目及其证据
INSTALL PLAN
- 应安装、删除或路由的内容
VERIFICATION
- 运行的检查和剩余的缺口
Kubernetes 工作负载模式、资源管理、RBAC、probes、autoscaling、ConfigMap/Secret 处理，以及面向生产级部署的 kubectl 调试。
完成任何非平凡任务后使用。智能体按 5 个维度自评输出——准确性、完整性、清晰度、可执行性、简洁性——每项都给出具体证据。生成结构化 1-5 评分卡和具体改进建议。
在 competitive-platform-analysis 产出分层竞品集合后使用。按九个加权维度（定位、声音、视觉工艺、offer packaging、证据、enterprise-readiness、thought leadership、定价、客户 strategic tension）为每个竞品评分，使用明确 1–5 rubrics 和 tension-plot。位于 competitive-report-structure 之前。
当品牌需要通过结构化多会话访谈发现或表达身份时使用。通过 laddering、5 Whys 和 projective techniques，覆盖目的、定位、受众、个性、声音、叙事以及 founder-brand 张力 8 个模块。产出可恢复 session、磁盘持久化状态和 master brandbook（90_SYNTHESIS.md）。
通过 CodeScene MCP 提供实时结构性 Code Health——编辑前审查，变更后验证分数变化，门控 commit 和 PR。用于代码质量审查、重构、检查 AI 变更是否降低文件质量，或 commit/PR 前。
用于界定竞争 landscape：在任何 benchmark 开始前，识别、分类并用分数过滤竞品集合。决定谁算竞品、属于哪个 tier、应挖哪些来源。三技能竞争分析流水线第一步；位于 benchmark-methodology 之前。